算法细节系列(21):贪心有理?
来源:互联网 发布:蚌埠市农村金融数据 编辑:程序博客网 时间:2024/05/17 22:36
算法细节系列(21):贪心有理?
详细代码可以fork下Github上leetcode项目,不定期更新。
题目摘自leetcode:
1. Leetcode 502: IPO
2. Leetcode 055: Jump Game
3. Leetcode 330: Patching Array
刷完挑战,继续刷leetcode,遇到的第一个题就是IPO,而这恰巧是贪心系列,那就顺便把贪心给学了,多门技术,多条生路。
《算法导论》也有关于贪心算法的相关章节,但我还不敢看,无非怕被书中的论述思维给限制住了。所以先刷点题,对贪心有了基本了解后,回过头来再看它的论证。
我所理解的贪心:
贪心,每一步决策都是局部最优的?一种短视的行为?好吧,这是我对贪心最真切的认识了,没有其他。日后,刷题时逐一完善加深对贪心的理解,话不多说,直接开始。
Leetcode 502: IPO
求n个项目所能累加的最大profit。
呵呵哒,leetcode的题目有个很大的特色,很多题在解释中把思路明确告诉你了,我一开始就纳闷了,直接找符合capital中的最大profit累加即可?好像也符合贪心的策略,选择局部最优。
思路:
没错,按照题目的意思来就可以了,代码如下:
public int findMaximizedCapital(int k, int W, int[] Profits, int[] Capital) { int total = W; for (int i = 0; i < k; i++){ int maxProfit = 0; //find the max Profit int index = -1; for (int j = 0; j < Capital.length; j++){ if (Capital[j] <= total){ if (maxProfit < Profits[j]){ maxProfit = Profits[j]; index = j; } } } if (index == -1) return total; Capital[index] = Integer.MAX_VALUE; total += maxProfit; } return total; }
TLE了,如果有n个项目,那么上述代码时间复杂度为
提到优先队列,相信你能很快想出了思路,但这对我来说,不够完美,如果不提优先队列这想法,我就很难想到用这数据结构了。所以,我慢慢分析下为啥用到了优先队列。
之前的博文中,我有提过所有的循环遍历,如果没有容器记录状态,都是无记忆遍历,它们是一种非常低级的手段。就拿上述代码:
for (int j = 0; j < Capital.length; j++){ if (Capital[j] <= total){ if (maxProfit < Profits[j]){ maxProfit = Profits[j]; index = j; } }}
遍历整个capital数组,只为找到最大值?更何况,当我使用完该最大值,我还得从capital数组中把它标识为不可使用状态,所以这样一个循环遍历,每次都得遍历整个数组,然后找出一个次大的。
嘿,这个特征比较符合优先队列了,用过的元素直接poll出去,而在队头的元素是次大的,直接把它poll出来。而构建优先队列的时间复杂度只有
思路:
1. 构造一个pair对,把profit和capital关联起来,两者有着一一对应的关系。
2. 筛选资产,在当前总资产下,把所有capital[i]小于等于当前总资产取出,并存入另外一个优先队列中。
3. 该优先队列维护profit的大小关系,队头永远是符合资产中的最大profit(一种贪心策略)
总结:
看到删除+最大or最小,想想优先队列。
代码如下:
private class Pair{ int profit; int capital; Pair(int profit, int capital){ this.profit = profit; this.capital = capital; } } public int findMaximizedCapital(int k, int W, int[] Profits, int[] Capital) { int n = Profits.length; Pair[] pairs = new Pair[n]; for (int i = 0; i < n; i++){ pairs[i] = new Pair(Profits[i],Capital[i]); } PriorityQueue<Pair> q1 = new PriorityQueue<>((o1,o2) -> (o1.capital - o2.capital)); PriorityQueue<Pair> q2 = new PriorityQueue<>((o1,o2) -> (o2.profit - o1.profit)); for (int i = 0; i < n; i++){ q1.offer(pairs[i]); } int total = W; for (int i = 0; i < k; i++){ while (!q1.isEmpty() && q1.peek().capital <= total){ q2.offer(q1.poll()); } if (q2.isEmpty()) return total; total += q2.poll().profit; } return total; }
Leetcode 055: Jump Game
这道题可谓是麻雀虽小,五脏俱全啊,贪心的味道很浓,得深入分析分析。
首先,看到这道题的第一眼,我想到了递归,思路如下:
根据当前能够jump的步数,选择后续的位置,这样就变成了相同的子问题,而只要最终pos能够抵达数组末端就能返回true。可谓是信心满满啊,为了防止TLE,还加了记忆化手段,代码如下:
public boolean canJump(int[] nums) { boolean[] dp = new boolean[nums.length]; return canJump(nums,0,dp); } private boolean canJump(int[] nums, int pos,boolean[] dp){ if (dp[pos]) return false; if (pos >= nums.length - 1) return true; else{ int step = nums[pos]; for (int i = 1; i <= step; i++){ if (canJump(nums,pos + i,dp)){ return true; } } } dp[pos] = true; return false; }
呵呵哒,stackoverflow了,这只能说明我还太嫩,递归显然无法解决该问题了,那这样,就用动规咯,所以又想了个动规的方案。代码如下:
public boolean canJump(int[] nums) { boolean[] dp = new boolean[nums.length]; dp[0] = true; for (int i = 0; i < nums.length; i++) { if (!dp[i]) continue; int step = nums[i]; for (int j = 1; j <= step; j++) { if (i + j >= nums.length) continue; dp[i + j] = dp[i] || dp[i + j]; } } return dp[nums.length - 1]; }
结果TLE了,TLE的原因在于step,上述代码,i每递增一次,都会更新step步的dp,如:
nums = [25000,25000,24000,1]显然没必要更新step步,25000能走的位置涵盖了所有位置,应该直接返回true即可。
此时,有了贪心,该贪心的含义是说,每到一个新的位置时,更新我能覆盖的所有范围(取最大),这就意味着,dp的状态没必要全部更新,因为我们知道在该范围内的dp都可以是true,换句话说,我们只需要知道一个边界即可。
所以代码如下:
public boolean canJump(int[] nums) { int max = 0; for (int i = 0; i < nums.length; i++){ if (i > max) return false; max = Math.max(max, nums[i] + i); if (max >= nums.length-1) return true; } return true; }
结构比起动规简单很多,只需要
Leetcode 330: Patching Array
这道题还未理解它,它的思路尝试来证明下,帮助理解这道题为什么是贪心。
思路:
Patching Array该问题的关键点在于用nums原有的数据集去构造0~n的数,举个最简单的例子:
nums = [1,2,5] n = 7如何构造所有的和数?我们知道它们所有的和可以用三位1来表示:111 表示 1+2+5=8110 表示 1+2 = 3所以总共有8种表示方法,如下:000,001,010,011,100,101,110,111得到的和从小到大排列为:0,1,2,3,5,6,7,8此处,我们可以明显看到当n=7时,缺了一个4,所以我们必须得补上。所以,nums = [1,2,4,5] n = 7以同样的方式构造所有和,得到:0,1,2,3,4,5,6,7 (由1,2,4得)在此处,我们还发现一个规律,当打一个补丁满足连续的数后,我们在构造5的所有和时,可以直接在原来构造的和上加个5,所以有:0,1,2,3,4,5,6,7 5,6,7,8,9,10,11,12所以n在0~12之内都能满足条件,此时我们再来nums = [1,2,4,5,23], n = 100我们知道:[1,2,4,5]构造的连续和为:0,1,2,3,4,5,6,7,8,9,10,11,12而为了能够构造尽可能多的和,构造的补丁一定为13,因为:0,1,...,12 | 13,14,...,25在这里你看到了贪心,nums = [1,2,4,5],但我们没有构造7的原因是因为构造7所能覆盖的范围非常少,如下:0,1,2,...,6,...,12 | 7,8,9,10,...,19构造7得到的范围为0-19,构造13能够得到的范围为0-25,你选谁?在这里明确一个补丁的性质,在已有的连续和上,新的连续和是【补丁+已有连续和】,想想000-111,扩展到4位的情况。而连续和我们只要维护一个界即可,所以有了网上大多数的做法,对具体做法感兴趣的,可以搜搜。
代码如下:
public int minPatches(int[] nums, int n) { long miss = 1; int added = 0, i = 0; while (miss <= n){ if (i < nums.length && nums[i] <= miss){ miss += nums[i++]; } else{ miss += miss; added++; } } return added; }
注意miss的long,防止溢出,进入死循环。
- 算法细节系列(21):贪心有理?
- 算法细节系列(22):什么时候贪心完!
- 算法细节系列(1):Java swap
- 算法细节系列(12):破除想当然
- 算法细节系列(13):买卖股票
- 算法细节系列(23):回溯
- 算法细节系列(25):加减乘除
- 算法细节系列(26):区间
- 算法细节系列(28):线段树
- 算法细节系列(29):any sum
- 算法细节系列(30):接口设计
- 算法细节系列(31):链表
- 算法细节系列(15):Valid Parentheses系列
- 算法细节系列(20):Word Ladder系列
- 算法系列—贪心算法
- 【算法系列-10】贪心算法
- 算法课笔记系列(二)—— 贪心算法
- 算法细节系列(33):再见字符串(1)
- [P1082] 同余方程
- Eclipse中配置Python开发环境
- XML文件生成
- 计数排序(Counting Sort)与基数排序(Radix Sort)小结
- 1051. Pop Sequence (25)
- 算法细节系列(21):贪心有理?
- Flex Ethernet
- 浏览器内核渲染引擎渲染原理
- java出现Resource leak: 'input' is never closed 问题
- css选择器以及基础介绍
- Dubbo标签解析
- Java模块 -- Apache Commons Pool 对象池_简介
- 在二叉查找树中插入节点
- 【php基础班】第16天 网络概述、PHP工作原理、Apache语法检查、Apache配置、虚拟主机